دنیایی غرق در پلتفرم‌های هوش مصنوعی
نویسنده: توماس‌ام زیبل
مترجم: سید حسین علوی‌لنگرودی
پلتفرم‌ها، اپلیکیشن‌‌‌ها و نرم‌افزارهای مربوط به چهار تکنولوژی هوش مصنوعی یعنی محاسبات ابری کشسان، دیتای بزرگ، هوش مصنوعی و اینترنت اشیا روز به‌روز در حال گسترش هستند به طوری که ارزش بازار این نرم‌افزارها و اپلیکیشن‌‌‌ها تا سال ۲۰۲۵ از ۲۵۰ میلیارد دلار فراتر خواهد رفت.
موسسه مکنزی نیز پیش‌بینی کرده شرکت‌ها و سازمان‌های استفاده‌کننده از این محصولات مرتبط با تکنولوژی‌های دگرگون‌ساز دیجیتال در هر سال تا ۲۰ تریلیون ارزش افزوده تولید خواهند کرد و این به آن معناست که این بازار نرم‌افزارها و اپلیکیشن‌های شرکتی بیشترین و سریع‌ترین رشد را در طول تاریخ به ثبت خواهند رساند و دنیای کسب و کارهای آینده را زیر و رو خواهند کرد.
به هر حال، دگرگونی دیجیتال نیازمند مجموعه گسترده‌ای از تکنولوژی‌های کاملا جدیدی است که با هم در ارتباط هستند و همدیگر را تکمیل و تقویت می‌کنند.
به عنوان مثال در اینجا ما با پلتفرم‌های هوش مصنوعی پیشرفته‌ای سر و کار داریم که دارای راه‌حل‌های کاربردی موثری برای بهبود عملکرد اپلیکیشن‌های اینترنت اشیا هستند و بالعکس ما تعداد زیادی از اپلیکیشن‌های ویژه اینترنت اشیا را در اختیار داریم که کارکرد اپلیکیشن‌های هوش مصنوعی را تقویت می‌کنند. علاوه بر این، ما شبیه به همین پشتیبانی را بین اپلیکیشن‌های اینترنت اشیا و سیستم‌های محاسبات ابری نیز می‌‌‌بینیم. به عنوان مثال اپلیکیشن‌‌‌هایی مانند Cassandra,Cloudera,DataStax,Databricks و Hadoop هم دارای کاربردهای متعدد برای استفاده در تکنولوژی محاسبات ابری هستند و هم در زمینه اینترنت اشیا کاربردهای فراوانی دارند همان‌طور که برای تقویت سرویس‌های یادگیری ماشینی و اپلیکیشن‌های هوش مصنوعی نیز به کار می‌‌‌روند.
“فناوری هوشمند” رسانه تخصصی انقلاب صنعتی چهارم
بازارهای جهانی پر است از صدها و هزارها اپلیکیشن منبع باز و توسعه‌پذیر ویژه هوش مصنوعی که هر کدام به نوبه خود برای شرکت‌ها ارزش‌آفرین هستند.
جالب آنکه هر کدام از این اپلیکیشن‌‌‌ها و برنامه‌‌‌ها با زبان‌های برنامه‌نویسی مختلفی نوشته شدهاند و مدل‌های محاسباتی متفاوتی را مورد استفاده قرار می‌دهند و برنامه‌نویسانی با سطوح مختلف مهارتی و تجربه‌ای آنها را طراحی کرده‌‌‌اند و بعضی از آنها حتی استانداردهای برنامه‌نویسی تجاری را نیز به طور کامل رعایت نکرده‌اند.
با وجود این تمام این اپلیکیشن‌‌‌ها و نرم‌افزارها در زمینه هوش مصنوعی منشأ اثر بوده‌‌‌اند و تحولات بزرگی را در سازمان‌ها و شرکت‌ها رقم زده‌‌‌اند و ارزش آفرینی قابل ملاحظه‌ای را موجب شدهاند. یکی دیگر از ویژگی‌های مشترک تمام این اپلیکیشن‌‌‌ها و نرم‌افزارها به منبع باز بودن آنها مربوط می‌شود که باعث شده تا هر کسی در هر جای دنیا بتواند بدون پرداخت هزینه‌های سنگین آنها را دانلود کرده و به راحتی مورد استفاده قرار دهد.
خودکفایی در زمینه اپلیکیشن‌های هوش مصنوعی و اینترنت اشیا
یکی از رویکردهای غالب در بسیاری از سازمان‌ها و شرکت‌ها به‌ویژه آنهایی که در زمینه IT کار می‌کنند این است که خودشان اقدام به طراحی و توسعه اپلیکیشن‌‌‌ها و پلتفرم‌های هوش مصنوعی و اینترنت اشیا کنند. آنها در گام اول برای این کار اقدام به دانلود تعداد زیادی از پلتفرم‌های منبع باز و دسته‌بندی آنها می‌کنند. در گام بعدی آنها صدها یا هزاران برنامه‌نویس از سراسر جهان را به صورت مجازی به کار می‌‌‌گیرند تا با شناسایی نقاط مشترک این پلتفرم‌ها، یک نسخه جدید و کاربردی با ترکیب کردن نقاط قوت هر کدام از آنها تهیه کنند.
با این همه یکسری مشکلات و موانع در این میان وجود دارد که به برخی از مهم‌ترین آنها در ادامه اشاره خواهد شد:
۱-پیچیدگی: توسعه‌دهندگان سیستم‌های هوش مصنوعی و اینترنت اشیا باید حجم عظیمی از ارتباطات نرم‌افزاری بین انبوهی از پلتفرم‌های منبع بازی را که دانلود کرده‌‌‌اند مورد بررسی و پردازش قرار دهند که این کار فرآیندی بسیار پیچیده و زمان‌بر است و تعداد برنامه‌نویسانی که قادر به انجام این عملیات پیچیده هستند هم بسیار اندک است. علاوه بر این باید دانست که وجود همین پیچیدگی‌هاست که موجب شده تا تلاش بسیاری از شرکت‌هایی که قصد داشتند سیستم‌ها و پلتفرم‌های هوش مصنوعی و اینترنت اشیای اختصاصی خودشان را بسازند در این مسیر به بن‌بست برخورد کنند و ناکام بمانند.
۲- شکنندگی: اپلیکیشن‌های هوش مصنوعی یا اینترنت اشیا که به «اپلیکیشن‌های کد اسپاگتی» نیز مشهورند دارای ماهیتی به شدت وابسته به هم هستند به طوری که اگر هر کدام از پلتفرم‌های منبع بازی که این سیستم‌ها را به وجود آورده‌‌‌اند دچار اختلال و مشکل باشد تمام اپلیکیشن‌‌‌هایی که با آن پلتفرم توسعه پیدا کرده‌‌‌اند از کار خواهند افتاد و بلااستفاده خواهند شد و به خاطر همین شکنندگی اپلیکیشن‌های هوش مصنوعی است که در انتخاب پلتفرم‌های تشکیل‌دهنده آنها باید نهایت دقت و حساسیت را به خرج داد.
۳- زمان‌بر بودن فرآیند تطبیق با تحولات آینده: کتابخانه‌های جدید، پایگاه‌های دیتای سریع‌تر و تکنیک‌های جدید یادگیری ماشینی که به سرعت در حال تحول و پیشرفت هستند دیر یا زود شما را وادار خواهند کرد تا تغییراتی اساسی و زودهنگام در ساختار اپلیکیشن‌های اینترنت اشیا و هوش مصنوعی خود به وجود آورید تا بتوانید اپلیکیشن‌های خود را برای کار کردن در محیط‌های پلتفرمی جدید مناسب‌سازی کنید که این فرآیند تطبیق و سازگارسازی می‌تواند ماه‌‌‌ها و گاه سال‌ها به طول بینجامد.
۴-پرهزینه بودن: طراحی مدل‌های جامع و یکپارچه دیتای هوش مصنوعی و اینترنت اشیا به میلیون‌‌‌ها ساعت کار و به‌کارگیری هزاران کارشناس و متخصص گران‌قیمت فعال در حوزه برنامه‌نویسی و مهندسی دیتا نیاز دارد که ناگفته پیداست که انجام این کارها به صدها میلیون دلار سرمایه‌گذاری نیاز دارد و بازگشت این حجم از سرمایه‌‌‌ها هم چند سال به طول خواهد انجامید و به همین دلیل هم هست که حتی بسیاری از ۵۰۰ شرکت برتر جهان هم از ورود به حوزه طراحی و ساخت اپلیکیشن‌های اختصاصی هوش مصنوعی و اینترنت اشیا برای خود اجتناب می‌کنند و ترجیح می‌دهند از نسخه‌های آماده و عمومی آن استفاده کنند.
منبع: دنیای اقتصاد از کتاب Digital Transformation
” اقتصادالکترونیکی“آخرین و به روزترین محتوی در اقتصاددیجیتال
